Research on the Structural Features and Influence Mechanism of the Low-Carbon Technology Cooperation Network Based on Temporal Exponential Random Graph Model

Abstract

China actively promotes cross-regional low-carbon technology cooperation to improve low-carbon technologies and remove technological barriers to sustainable development. In this process, a cross-regional low-carbon technology cooperation network (LCTCN) has been developed and evolved. To help China rationalize the allocation of innovation resources and promote the cross-regional exchange of low-carbon technologies, we measured the LCTCN using low-carbon technology co-patents from 2011 to 2020. We investigated changes in the network structure using social network analysis. In addition, we examined the endogenous structures and exogenous factors that influence the formation of cooperation relationships in the network using a time exponential random graph model (TERGM). We came to the following conclusions: (1) The LCTCN develops toward complexity, showing prominent characteristics of spatial imbalance, heterogeneity, and core-periphery. (2) Among the endogenous structural variables, the coefficient of geometrically weighted degree (Gwdegree) is significantly negative, suggesting that regions within LCTCN tend to form partnerships with already well-connected regions. On the other hand, a positive coefficient of geometrically weighted dyad shared partner statistic (GWDSP) suggests that regions tend to link in multiple ways to each other. (3) Among the exogenous variables, the coefficient of the digital economy is significantly positive. As a result, for every level of digital economy development in a region, the probability of establishing low-carbon technology cooperation between that region and other regions increases by 87.39%. (4) External openness and geographical proximity can also facilitate establishing partnerships. The formation of low-carbon partnerships in the network results from a combination of endogenous structures and exogenous variables.

The Impact of Differentiated Development of the Digital Economy on Employment Quality—An Empirical Analysis Based on Provincial Data from China

“…The differentiated development of digital infrastructure has the potential to exacerbate disparities between regions, affecting the balanced growth of the digital economy. This situation can result in a widening wealth gap [27], hindering the overall sustainable development of the digital economy. In cases where there is an imbalance in digital economy development, regions with existing capital advantages are more likely to adopt modern intelligent production equipment at a faster rate, thus strengthening their capacity to attract investments.…”

Structural characteristics and formation mechanism of global cross-border M&A networks: Based on the exponential random graph model

“…覃雄合 1 ， 李梁荣 1 ， 黄晓东 [4] 。在这种背景下， 作为企业在全球对外直接投资的主导形式之一， 跨 境并购受到各领域学者的广泛关注 [5][6][7] 。 跨境并购是协调冗余资源、 整合技术知识最直 接的方式之一， 是国家开放式创新的体现 [8,9] 。在经 济全球化与知识迭代速度加快的今天， 孤立运作的 国家 (地区) 很难在国际竞争市场中占据优势 [10] 。为 了降低成本、 缩短创新周期、 提升行业战略地位， 来 自越来越多国家 (地区) 的跨国公司参与至全球跨 境并购交易市场， 它们的涌入催生了跨境并购网络 的形成 [11][12][13] [14][15][16] 。 近年来， 地理学开始从空间角度对跨境并购的地理 特征展开研究： 通过网络空间分析方法来刻画国家 (地区) 之间的并购投资关系特征， 为从宏观层面探 讨全球跨境并购网络的拓扑结构特征及背后形成 机制提供了研究路径 [17,18] 。例如， 计启迪等 [19] 对跨境 并购网络的拓扑结构进行分析， 证实跨境并购网络 呈现以欧美为核心、 亚太等发展中国家 (地区) 为边 缘的 "核心-边缘" 结构， 但金融危机后逐步从两极 主导转向大三角格局。黄晓东等 [20] 在此基础上进一 步探讨了跨境并购网络的空间演化动向与形成机 制， 提出跨境并购网络的形成是并购活动双方国家 (地区) 属性因素以及二者之间的邻近性因素共同 作用的结果。此外， 另一些学者探索不同维度的距 离 (政治、 经济、 认知和社会等) 对跨境并购网络形 成的影响机制， 强调国家 (地区) 间的政策不确定性、 人员流动、 历史联系等距离因素对跨境并购网络形 成存在促进或阻碍作用 [21][22][23][24][25] 。尽管这些研究增强了 学者对于全球跨境并购地理的认知， 但这些研究认 为全球跨境并购网络的形成与演化仅受交易双方 之间距离关系以及各自 (区域) 属性特征影响。然 而事实上， 网络的形成不应只是节点间的二元关 系， 而是一个复杂的系统， 是网络内生结构、 行动者 属性和外生网络环境综合作用的结果 [26] 。也就是 说， 国家 (地区) 间发生的并购联系既会不可避免地 受第三方的影响， 也会受网络结构特征的驱动 [27,28] 。因此， 仅讨论跨境并购网络的拓扑结构特征， 或 是将并购网络的形成简单地归因于行动者单一的 个体特征或行动者间的二元关系特征， 而不从系统 角度考虑内生网络结构的影响， 难以对全球跨境并 购网络形成机制进行完整解释。 为此， 本文希望通过复杂网络角度更加全面地 审视国家 (地区) 间的并购行为。一方面， 国家 (地 区)间相互作用形成复杂跨境并购网络结构的同 时， 网络内生结构性依赖使得网络结构本身也会影 响国家(地区)间的联系 [29,30] 。另一方面， 考虑内生 性因素可以在一定程度上消除节点跨境并购行为 对外生节点属性的依赖， 但多数研究揭示跨境并购 网络空间形成机制时未兼顾 "属性" 变量和 "关系" 变量， 具有一定的局限性 [31] 。由此， 本文建立了一个 更加综合的分析框架， 将内生因素与外生因素结合 来考察跨境并购网络的形成机制。 在这种背景下， 指数随机图模型(Exponential Random Graph Models, ERGM) 被引入来验证 "网络 内生结构特征在并购网络形成过程中起什么作用" 和 "内生因素以及外生因素如何综合影响跨境并购 网络形成" 两个核心问题。相较于传统模型， ERGM 可以同时从内生网络结构、 国家 (地区) 属性以及外 生网络环境多个维度定量测度网络内生与外生的 形成机制因子 [32][33][34][35] [36] 。基于此， 本文从以下 3 个 方面构建基于 "内生结构效应-行动者&关系效应-外生网络效应" 的分析框架： ①内生结构效应是跨 境并购网络形成的原始动力， 不涉及国家 (地区) 特 征与外部网络环境， 仅来源于网络关系系统的内部 过程 [37] 传递性通过更多类似的接触加速知识资源的流动， 是提高网络凝聚力的重要途径…”

Analysis of the Driving Mechanism of Urban Carbon Emission Correlation Network in Shandong Province Based on TERGM

“…While ERGM has been increasingly applied in environmental studies, particularly in exploring network dynamics, it is primarily used for analyzing static networks. This limitation restricts its effectiveness in analyzing the evolving nature of networks over time and may hinder its ability to capture time dependence and causality within the network [26].…”